論文の概要: Trajectory Prediction Meets Large Language Models: A Survey

• arxiv url: http://arxiv.org/abs/2506.03408v1
• Date: Tue, 03 Jun 2025 21:36:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-05 21:20:14.063464
• Title: Trajectory Prediction Meets Large Language Models: A Survey
• Title（参考訳）: 大規模言語モデルに対応した軌道予測:調査
• Authors: Yi Xu, Ruining Yang, Yitian Zhang, Yizhou Wang, Jianglin Lu, Mingyuan Zhang, Lili Su, Yun Fu,
• Abstract要約: 大規模言語モデル(LLM)の最近の進歩は、言語駆動の手法を軌道予測に統合することへの関心が高まっている。 この調査は、この新興分野の包括的概要を提供し、最近の研究を5つの方向に分類する。
• 参考スコア（独自算出の注目度）: 55.70506060739684
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Recent advances in large language models (LLMs) have sparked growing interest in integrating language-driven techniques into trajectory prediction. By leveraging their semantic and reasoning capabilities, LLMs are reshaping how autonomous systems perceive, model, and predict trajectories. This survey provides a comprehensive overview of this emerging field, categorizing recent work into five directions: (1) Trajectory prediction via language modeling paradigms, (2) Direct trajectory prediction with pretrained language models, (3) Language-guided scene understanding for trajectory prediction, (4) Language-driven data generation for trajectory prediction, (5) Language-based reasoning and interpretability for trajectory prediction. For each, we analyze representative methods, highlight core design choices, and identify open challenges. This survey bridges natural language processing and trajectory prediction, offering a unified perspective on how language can enrich trajectory prediction.
• Abstract（参考訳）: 大規模言語モデル(LLM)の最近の進歩は、言語駆動の手法を軌道予測に統合することへの関心が高まっている。 セマンティクスと推論機能を活用することで、LLMは自律システムが軌道をどのように認識し、モデル化し、予測するかを再構築している。 本調査は,最近の研究を,(1)言語モデリングパラダイムによる軌道予測,(2)事前学習された言語モデルによる直接軌道予測,(3)軌跡予測のための言語誘導シーン理解,(4)軌跡予測のための言語駆動データ生成,(5)言語に基づく推論と軌道予測のための解釈可能性の5つの方向性に分類する。 それぞれに代表的手法を分析し、コア設計の選択を強調し、オープンな課題を特定します。 この調査は、自然言語処理と軌道予測を橋渡しし、言語が軌道予測を豊かにする方法に関する統一的な視点を提供する。

関連論文リスト

• Enhanced Urdu Intent Detection with Large Language Models and Prototype-Informed Predictive Pipelines [5.191443390565865]
  本稿では,未ラベルのUrduデータを利用して事前学習した言語モデルを再学習する,ユニークなコントラスト学習手法を提案する。 事前訓練されたLLMとプロトタイプにインフォームドされたアテンション機構を組み合わせることで、エンドツーエンドのインテント検出パイプラインを生成する。 提案する予測パイプラインのパラダイムの下で、6つの異なる言語モデルと13の異なる類似性計算手法の可能性を探求する。
  論文  参考訳（メタデータ） (2025-05-08T08:38:40Z)
• TrajEvo: Designing Trajectory Prediction Heuristics via LLM-driven Evolution [19.607695535560566]
  軌道予測は人間の行動のモデル化において重要な課題である。 本稿では,大規模言語モデル(LLM)を利用して軌道予測を自動的に設計するフレームワークであるTrajEvoを紹介する。
  論文  参考訳（メタデータ） (2025-05-07T14:51:43Z)
• Probing via Prompting [71.7904179689271]
  本稿では,探索をプロンプトタスクとして定式化することで,新しいモデルフリーな探索手法を提案する。 我々は5つの探索課題について実験を行い、我々のアプローチが診断プローブよりも情報抽出に優れていることを示す。 次に,その特性に不可欠な頭部を除去し,言語モデリングにおけるモデルの性能を評価することにより,事前学習のための特定の言語特性の有用性を検討する。
  論文  参考訳（メタデータ） (2022-07-04T22:14:40Z)
• Few-shot Subgoal Planning with Language Models [58.11102061150875]
  事前訓練された言語モデルにエンコードされた言語は、細粒度のサブゴール列を推測できることを示す。 サブゴナル・インスペクションを強く仮定する最近の手法とは対照的に,我々の実験では,詳細なサブゴラル・シーケンスを微調整せずに推論できる言語モデルが示されている。
  論文  参考訳（メタデータ） (2022-05-28T01:03:30Z)
• From Good to Best: Two-Stage Training for Cross-lingual Machine Reading Comprehension [51.953428342923885]
  モデル性能を向上させるための2段階のアプローチを開発する。 我々は、トップk予測が正確な答えを含む確率を最大化するために、ハードラーニング(HL)アルゴリズムを設計する。 第2段階では, 正解と他の候補との微妙な違いを学習するために, 解答を意識したコントラスト学習機構が開発された。
  論文  参考訳（メタデータ） (2021-12-09T07:31:15Z)
• Trajectory Prediction with Linguistic Representations [27.71805777845141]
  本稿では,言語中間表現を用いて軌跡を予測できる新しい軌跡予測モデルを提案する。 モデルは単語ごとの直接監督なしに各単語の意味を学習する。 これは、長い時間間隔で操作と相互作用をキャプチャする軌跡の言語記述を生成する。
  論文  参考訳（メタデータ） (2021-10-19T05:22:38Z)
• Language Models are Few-shot Multilingual Learners [66.11011385895195]
  我々は、非英語言語における多言語分類を行う際に、GPTモデルとT5モデルの多言語的スキルを評価する。 文脈としての英語の例を見ると、事前学習された言語モデルは、英語のテストサンプルだけでなく、英語以外のサンプルも予測できることが示されている。
  論文  参考訳（メタデータ） (2021-09-16T03:08:22Z)
• Learning to Predict Vehicle Trajectories with Model-based Planning [43.27767693429292]
  PRIME(Prediction with Model-based Planning)という新しいフレームワークを紹介します。 ニューラルネットワークを使ってシーンコンテキストをモデル化する最近の予測作業とは異なり、PRIMEは正確で実現可能な将来の軌道予測を生成するように設計されている。 我々のPRIMEは、不完全追跡下での予測精度、実現可能性、堅牢性において最先端の手法より優れています。
  論文  参考訳（メタデータ） (2021-03-06T04:49:24Z)
• Adversarial Generative Grammars for Human Activity Prediction [141.43526239537502]
  将来予測のための逆生成文法モデルを提案する。 私たちの文法は、データ分散から生産ルールを学習できるように設計されています。 推論中に複数の生産ルールを選択することができると、予測される結果が異なる。
  論文  参考訳（メタデータ） (2020-08-11T17:47:53Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。